Amazon SageMaker AI推出多轮强化学习（MTRL）框架，支持端到端训练智能体完成多步任务
AWS发布Multi-Turn Reinforcement Learning（MTRL）功能，使用户可在SageMaker AI上基于完整任务轨迹与最终结果反馈训练大模型智能体，无需步骤级标注；以Wordle为示例演示全流程，涵盖AgentCore部署、数据准备、GRPO训练、奖励设计及成本分析。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
AI辅助“盲扫”超声技术助力基层孕产保健：多中心前瞻性研究验证跨地区泛化能力
谷歌研究团队联合临床机构开展前瞻性多中心研究，证实基于低成本便携探头、由非超声专科人员操作的AI驱动“盲扫”超声方案，在芝加哥与内罗毕两地均实现与专家级超声生物测量相当的孕周评估精度（平均绝对误差4.18天 vs. 4.48天），且无需本地数据微调，为资源匮乏地区扩大产前超声覆盖提供可行路径。
谷歌云与英伟达宣布NVIDIA Vera Rubin基础设施正式商用：A5X实例上线，聚焦大规模强化学习与智能体推理
谷歌云与英伟达宣布基于Vera Rubin架构的A5X实例将于下月起正式商用，首期覆盖美国，后续扩展至欧洲；该平台整合NVL72 GPU、ConnectX-9 SuperNICs、Virgo网络及第四代液冷技术，专为大规模强化学习、生成式智能体推理等高密度计算场景设计。
GPT-OSS-20B多语言推理微调实验：SFT实现零基础行为习得，GRPO仅在存在概率头空间时有效提升
AWS团队在Amazon SageMaker HyperPod上对GPT-OSS-20B开展多语言推理微调实验，采用LoRA参数高效微调；SFT将五语种（英/法/德/西/意）推理语言正确率从22%提升至100%，但答案语言正确率仅达62%；GRPO在此基础上进一步提升答案语言正确率至70%，且未损害推理语言表现，但收益因语言而异（如西班牙语+30个百分点，意大利语-20个百分点）；实验明确指出GRPO无法从零启动新能力，仅能优化已偶发的行为。
“我们一直看错了”：Goodfire研究员提出神经网络可解释性新视角，引发AI界震动
Goodfire研究员Nick Cammarata发布26000字长文，主张大语言模型（LLMs）的内部机制可能远比学界预想的更结构化、更可理解；其核心论点基于对Inception v1等模型中‘多义神经元’的重新诠释——如‘猫/车共用神经元’实为响应V形视觉模式，而非无序超置。该观点尚未在现代LLM上完成系统验证，遭斯坦福大学Chris Potts、Alignment Research Center Jacob Hilton等学者质疑其普适性与技术深度。